《2.3变量间的相关关系》课件.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * 上述三种方案均有一定的道理，但可靠性不强，我们回到回归直线的定义. 求回归方程的关键是如何用数学的方法来刻画“从整体上看，各点与直线的偏差最小”. 如果散点图中点的分布从整体上看大致在一条直线附近，我们就称这两个变量之间具有线性相关关系，这条直线就叫做回归直线. 思考6：对一组具有线性相关关系的样本数据：(x1，y1)，(x2，y2)，…，(xn，yn)，设其回归方程为 可以用哪些数量关系来刻画各样本点与回归直线的接近程度？ 当自变量x取xi(i=1，2，…，n)时可以得到回归直 线上的点的纵坐标为： 它与样本数据yi的偏差是： 假设我们已经得到两个具有线性相关关系的样本 的一组数据：(x1，y1)，(x2，y2)，…，(xn，yn)， 且所求回归直线方程是： ，其中 是 待定系数. (x1，y1) (x2，y2) (xn，yn) (x1，y1) (x2，y2) (xn，yn) 运算不方便 避免相互抵消 各点与直线 的整体偏差 这种通过求： 的最小值而得到回归直线的方法，即求样本数据的点到 回归直线的距离的平方和最小的方法叫做最小二乘法. 4、回归方程的系数公式： 回归方程 ，其中： 思考7：利用计算器或计算机可求得年龄和人体脂肪含量的样本数据的回归方程为 ，由此我们可以根据一个人个年龄预测其体内脂肪含量的百分比的回归值.若某人65岁，则其体内脂肪含量的百分比约为多少？ 37.1％ (0.577×65-0.448= 37.1％) 若某人65岁，可预测他体内脂肪含量在37.1％(0.577×65-0.448= 37.1％)附近的可能性比较大. 但不能说他体内脂肪含量一定是37.1％ 原因：线性回归方程中的截距和斜率都是通过样本估计的，存在随机误差，这种误差可以导致预测结果的偏差，即使截距斜率没有误差，也不可能百分百地保证对应于x，预报值Y能等于实际值y 例题： 1 解：(1)散点图如图示： (2)由题意得： 回归方程为： (3)由回归方程预测， 即记忆力为9的同学的判断力约为4． 小结 1.求样本数据的线性回归方程，可按下列步骤进行： 第一步，列表计算平均数 ， 第二步，求和 ， 第三步，计算 第四步，写出回归方程 变式：(广东高考)下表提供了某厂节能降耗技术改造后生产甲产品过程中记录的产量x吨与相应的生产能耗y(吨标准煤)的几组对照数据. x 2 3 4 5 y 2.5 3 4 4.5 (1)请画出上表数据的散点图. (2)根据上表数据用最小二乘法求出y关于x的线性回归方程 (3)由(2)预测技改后生产100吨甲产品的生产能耗是多少吨标准煤？ (参考数值：2*2.5+3*3+4*4+5*4.5=52.5) 解 (1)由题设所给数据，可得散点图如图. (2)对照数据由最小二乘法确定的回归方程的系数为： =3.5-0.7×3.5=1.05. 因此，所求的线性回归方程为 =0.7x+1.05. (3)当x=100时； 所以技改后生产100吨甲产品的生产能耗是71.05吨标准煤 (1)散点图： (2)正相关、负相关： (3)线性相关关系： (4)回归方程的系数公式： 【知识归纳】 1、知识： (1)最小二乘法： (2)转化与化归； 数形结合； 2、思想方法： * * * * * * * * * * * * * 2.3变量之间的相关关系 【学 习 目 标】 1、知识与技能： 会画散点图判断线性相关关系，并对实际问题进行分析和预测；加强对线性相关关系及回归直线含义的理解. 2 、过程与方法： ①通过自主探究，体会数形结合、类比的数学思想方法. ②通过动手操作培养学生观察、分析、比较和归纳能力，引出利用计算机等现代化教学工具的必要性. 3、情感、态度与价值观： 类比函数的表示方法，使学生理解变量间的相关关系，增强对实际问题进行分析和预测的意识.利用计算机让学生动手操作，合作交流激发学生的学习兴趣. 创设情境 导入新课 世界遗产——广西巴马长寿村 我国广西省有一个长寿村，名列世界五大长寿地区，村里有